将 djvu 转换为 pdf 并保留目录，这怎么可能？

Question

我尝试了几种在线和离线工具，但在转换过程中没有保留目录 (TOC) 信息。

我想转换一个 5000 页的芬兰语词典，该词典采用 djvu 格式，大约有 5000 个 TOC 条目分层结构以快速查找单词。

知道如何在 DJVU 到 PDF 转换期间保留 TOC 信息吗？

Answer 1

更新：user3124688已在脚本dpsprep 中编写了此过程。

我不知道有什么工具可以为您进行转换。你当然应该能够做到这一点，但它可能需要一些工作。我将概述基本过程。您将需要开源命令行实用程序pdftk和djvused（DjVuLibre 的一部分）。这些可从您的包管理器 (GNU/Linux) 或其网站（Windows、OS X）获得。

• 第 1 步：转换文件文本

  首先，使用任何工具将 DJVU 文件转换为 PDF（不带书签）。

  假设文件被称为filename.djvu和filename.pdf。

• 第 2 步：提取 DJVU 轮廓

  接下来，将 DJVU 轮廓数据输出到文件中，如下所示：

  djvused "filename.djvu" -e 'print-outline' > bmarks.out
  

  这是一个以序列化树格式列出 DJVU 文档书签的文件。事实上，它只是一个SEXPR，很容易解析。格式如下：

  file ::= (bookmarks
             <bookmark>*)
  bookmark ::= (name
                 page
                 <bookmark>*)
  name ::= "<character>*"
  page ::= "#<digit>+"
  

  例如：

  (bookmarks
    ("bmark1"
      "#1")
    ("bmark2"
      "#5"
      ("bmark2subbmark1"
        "#6")
      ("bmark2subbmark2"
        "#7"))
    ("bmark3"
      "#9"
      ...))
  

• 第 3 步：将 DJVU 大纲转换为 PDF 元数据格式

  现在，我们需要将这些书签转换为 PDF 元数据所需的格式。该文件的格式为：

  file ::= <entry>*
  entry ::= BookmarkBegin
            BookmarkTitle: <title>
            BookmarkLevel: <number>
            BookmarkPageNumber: <number>
  title ::= <character>*
  

  所以我们的例子会变成：

   BookmarkBegin
   BookmarkTitle: bmark1
   BookmarkLevel: 1
   BookmarkPageNumber: 1
   BookmarkBegin
   BookmarkTitle: bmark2
   BookmarkLevel: 1
   BookmarkPageNumber: 5
   BookmarkBegin
   BookmarkTitle: bmark2subbmark1
   BookmarkLevel: 2
   BookmarkPageNumber: 6
   BookmarkBegin
   BookmarkTitle: bmark2subbmark2
   BookmarkLevel: 2
   BookmarkPageNumber: 7
   BookmarkBegin
   BookmarkTitle: bmark3
   BookmarkLevel: 1
   BookmarkPageNumber: 9
  

  基本上，您只需要编写一个脚本来遍历 SEXPR 树，跟踪级别，并以正确的格式输出每个条目的名称、页码和级别。

• 第 4 步：提取 PDF 元数据并拼接转换后的书签

  获得转换后的列表后，从转换后的 PDF 文件中输出 PDF 元数据：

  pdftk "filename.pdf" dump_data > pdfmetadata.out
  

  现在，打开文件并找到开始的行： NumberOfPages:

  在此行之后插入转换后的书签。将新文件另存为pdfmetadata.in

• 第 5 步：创建带有书签的 PDF

  现在我们可以创建一个包含此元数据的新 PDF 文件：

  pdftk "filename.pdf" update_info "pdfmetadata.in" output out.pdf
  

  该文件out.pdf应该是带有从 DJVU 文件导入的书签的 PDF 副本。